哈希算法,SHA256,哈希函数,加密哈希,哈希预测/哈希算法是博彩游戏公平性的核心，本文详细解析 SHA256 哈希函数的运作原理，并提供如何通过哈希技术进行博彩预测的方法！在全球AI技术加速迭代与地缘政治交织的复杂环境下，首席信息官（CIO）的角色已从传统技术管理者，进化为企业战略的核心驱动力、风险控制的守护者与跨境技术合作的桥梁。

　　日前，在钛媒体2025 T-EDGE举办期间，Laserfiche企业战略高级副总裁兼CIO托马斯·菲尔普斯、加州大学洛杉矶分校安德森管理学院的CIO霍华德·米勒、香港医院管理局CIO蔡阳、普华永道美国人工智能合伙人伊拉娜·布卢门费尔德汇聚一堂，在己任律师事务所管理合伙人何菁的主持下，分享了包括CIO在企业中职责、数据，以及AI合规等在内的话题。

　　普华永道最新美国负责任AI调查数据显示，仅28%的美国受访者将“负责任AI”视为核心业务的重中之重，仅有33%的企业在全公司范围实现了明确的应用落地。这一数据不仅引发了业内对AI治理成熟度的广泛思考，更折射出全球企业在AI创新与风险管控之间的艰难平衡。麦肯锡2024年全球AI调查报告印证了这一困境：全球约60%的企业已启动AI相关项目，但仅有15%的企业建立了完善的AI治理体系，AI投资的平均回报率不足预期的30%。

　　伊拉娜进一步解释，负责任AI的实践成熟度之所以偏低，核心原因在于技术迭代速度与治理体系建设之间的失衡。随着AI智能体（AI Agents）成为行业热点，企业发现传统的应用程序管理模式已无法适配新型AI技术，而在尚未明确AI应用场景的前提下，构建前瞻性的治理体系更是难上加难。“任何声称拥有完整、成熟负责任AI计划的组织都是在自欺欺人。”伊拉娜直言，AI技术与风险认知的快速演变，要求治理实践必须具备高度的敏捷性与演进能力。

　　对话中，全球AI监管的区域差异成为热议焦点。香港医院管理局CIO蔡阳结合其Gartner研讨会的参会经历，提出了鲜明的观点：“与欧洲和中东相比，美国和中国在放松AI监管，这两个地区的发展势头远快于其他地区。负责任AI并非监管的对立面，而是促进AI放松监管的工具——想要跑得更快，就需要找到保护自己与他人的方法。”

　　这一观察精准勾勒出全球AI监管的三大阵营：以欧洲为代表的“严格监管派”，以中美为代表的“创新优先派”，以及处于中间地带的“谨慎观望派”。欧盟AI法案作为全球首个综合性AI监管框架，将AI系统按风险等级划分为禁止使用、高风险、中风险和低风险四类，对高风险AI系统的研发、测试、部署全流程提出了严苛的合规要求。IDC数据显示，欧盟地区AI企业的合规成本平均占AI项目总投入的23%，部分高风险领域甚至超过40%，一定程度上抑制了中小企业的创新活力。

　　“全球统一的AI标准是行业共同期盼，就像电信行业的5G/6G标准一样，统一将大幅降低企业的跨境运营成本。”蔡阳以3G时代欧洲GSM、美国CDMA的标准分裂为例，强调了中美在AI标准领域达成共识的重要性。

　　“数据是AI的燃料，高质量的数据才能产生高质量的AI。”蔡阳的这一观点得到了所有嘉宾的认同。对话中，数据治理被反复提及，成为负责任AI落地的核心基石。伊拉娜·布卢门费尔德直言，数据治理没有“魔法”，而是需要投入大量精力的“苦力活”：“企业必须明确自身拥有的数据资产，确保数据被正确标注、恰当盘点，同时严格管控数据访问权限，避免敏感信息泄露或错误使用。”

　　托马斯·菲尔普斯补充道，全球80%-90%的数据是非结构化的，这些分散在SharePoint、Box等内容库中的数据，正是AI价值挖掘的重要源泉。Laserfiche通过AI技术挖掘客户的非结构化数据，帮助其发现新药物研发方向、识别市场模式，实现了从“数据存储”到“价值创造”的转变。麦肯锡2024年数据治理报告显示，建立完善数据治理体系的企业，其AI项目的成功率是未建立体系企业的2.8倍，数据驱动决策的企业利润率平均高出行业水平19%。

　　数据治理的重要性，进一步推动了CIO角色的深度进化。“现代CIO必须兼具企业家的魄力与高度的责任感，既要承担风险推动创新，又要守护企业的数据安全与合规底线。”伊拉娜总结道。托马斯·菲尔普斯将CIO的AI审视视角分为三个层次：通过AI驱动生产力提升、利用AI实现业务差异化、借助AI颠覆现有业务模式。“我们不再是单纯的技术支持者，而是战略业务的推动者，因为我们掌握着企业最核心的数据资产，而数据正是AI时代的核心竞争力。”

　　伴随着AI技术在企业中的应用，CIO的角色在企业中也有所变化，这种角色进化在不同领域呈现出共性特征。蔡阳作为医疗行业的CIO，致力于通过AI改变医疗服务模式与运营模式，推动智能医院向“AI医院”升级；霍华德·米勒则以教育CIO的身份，通过AI重构教学场景，培养适应未来的人才；托马斯·菲尔普斯则聚焦企业数字化转型，通过AI赋能全球客户。正如主持人、己任律师事务所创始合伙人何菁所言：“CIO是现在世界上最好的工作，你们掌握着强大的技术，拥有商业洞察力，正在创造巨大的价值。”

　　在地缘政治等不确定性因素的影响下，“技术供应链韧性”成为全球化企业核心关切的问题。蔡阳透露，香港医院管理局已采取“双供应商策略”应对潜在风险：核心技术仍以美国技术为主，但同时将中国技术定位为“替代方案”与“应急预案”。“IT行业99%的技术曾来自美国，但这种格局正在改变。未来终将形成‘G2’双强格局，一方更专注于创新，另一方更侧重于制造，双方各有所长。”

　　这一策略得到了UCLA安德森管理学院CIO霍华德·米勒的认同。他表示，UCLA在选择AI技术时，始终以“解决业务问题”为核心标准，即使是来自中国的AI系统如DeepSeek，只要能证明其是最佳解决方案，且通过法务与风控团队的合规审核，就会考虑采用。“我们与全球前25所商学院的CIO建立了合作机制，核心是分享AI技术的最佳实践，而非纠结于技术来源。”霍华德强调，排除地缘政治干扰，聚焦技术本身的价值，才是技术探讨的应有之义。

　　另一方面，托马斯·菲尔普斯提出“多AI模型策略”的重要性。他指出，OpenAI、Anthropic、Google Gemini、DeepSeek、阿里巴巴等主流AI模型的服务条款与使用限制各不相同，部分模型甚至明确禁止在特定国家使用。“对于跨境业务而言，必须根据不同地区的监管要求与业务需求，灵活选择适配的AI模型。例如，亚太地区的客户可能更倾向于阿里巴巴的AI模型，而美国本土客户则更关注数据驻留合规，倾向于使用本土AI模型。”

　　对于CIO而言，这既是最好的时代，也是最具挑战的时代。他们需要在技术迭代的浪潮中把握方向，在跨境监管的差异中寻找路径，在数据治理的基石上构建能力。正如蔡阳所言，CIO既是“首席创新官”（Chief Innovation Officer），也可能面临“职业生涯结束”（Career Is Over）的风险，但正是这种挑战与机遇的并存，让CIO成为推动全球AI健康发展的核心力量。

　　正如我与伊拉娜在今晚ISACA洛杉矶分会活动上所讨论的，IT领导者应当采用AI治理设计理念——如同安全设计与隐私设计一样，将AI治理嵌入整个软件开发生命周期，而非事后补救。其核心逻辑是：要么现在投入，要么日后付出更大代价。若在初期未建立AI治理框架并践行负责任AI原则，后期改造以补全管控措施的代价将高昂得多。据我估计，事后追加管控措施的成本约为事前的五到七倍。

　　第一点，我于11月刚参加完Gartner研讨会。作为全球CIO委员会成员，我与许多来自欧洲和中东的CIO就AI进行了为期两天的讨论。与欧洲和中东相比，我认为只有美国和中国在放松AI监管，因此这两个地区的发展势头远快于其他地区。我想表达的核心观点是：负责任AI其实是促进AI放松监管的工具。如果想跑得更快，就需要找到一种工具来保护自己，同时也保护他人。

　　第三点，医疗行业受监管程度很高。然而，你会发现不仅在香港，医院采用了更多的AI解决方案。最近数据显示，超过30种AI解决方案已被大多数一线中国医院所采用，涵盖放射科、自然语言处理、自动诊断、康复、教育等各个方面。人们会非常惊讶——为什么医疗行业采用AI如此之快？是因为他们不负责任吗？实际上，在我看来，这并非关乎监管。监管阻挡不了AI。正是业务的复杂性、工作流程的繁复，使得医院比其他传统行业更快地被AI吸引。

　　第四点，与世界其他地方相比，中国在AI应用方面特别强。我认为关键原因在于：数据来自海量的应用场景，并且这些也被融合进硬件中。比如自动驾驶汽车，美国只有一个特斯拉，而中国有30多个不同品牌的特斯拉。此外，在无人机领域，不仅是大疆，还有很多其他品牌。甚至是牙刷，我买了一把AI牙刷，仅售20美元，却拥有如此多的AI功能。所以我想说，它也必须符合负责任AI的标准，即便是我的牙刷。

　　关于调查结果中28%的数据，我的解读如下：这28%的受访者认为其负责任AI实践已非常成熟，意味着该事项已成为嵌入式战略重点，而非刚刚起步。根据我与各类组织的合作经验，尽管各方成熟度和兴趣点存在差异，但霍华德的观点极其精准，也符合我的观察：组织面临双重压力——既要实验探索AI的可能性，又要同步建立治理计划，两者兼顾极具挑战性。

　　托马斯·菲尔普斯：我们高度重视法律法规，因为这些法规会影响我们的客户以及目标市场。我们会密切关注各国立法动态，研究当地法律法规。当前业界广泛讨论欧盟AI法案，同时包括美国在内的不同国家也在起草相关立法并征求意见，我们也会对此保持关注。我们将与内部法律团队及外部顾问合作，在全面考量这些法规的前提下，审慎评估已进入的市场及拟拓展的市场。作为一家全球性公司，我们始终致力于遵守各国家和地区的特定法律法规。

　　在我们的治理、风险与合规框架中，设有一套管控措施，并将其与所有相关法规及标准进行协调对齐。这不仅包括法律法规，还涵盖特定的行业标准。例如，在美国，我们遵循由国家标准与技术研究院（NIST）发布的标准，该机构制定了涵盖加密、机密性及风险评估等领域的标准。美国著名的NIST SP 800-53第5版修订版即是其中之一，我们的安全计划与治理计划均与该标准集保持一致。同时，我们的安全计划也与ISO 27001国际标准对齐，该标准是信息管理的行为准则。此外，ISO发布的ISO 42001全球标准正获得越来越广泛的采纳，该标准专门针对信息技术与AI管理体系。

　　蔡阳：没错，我想说，40年前当我在墨尔本上大学时，我的第一台家用电脑是一台XT兼容机，甚至不是真正的IBM电脑。因此我不得不说，整个IT行业99%的技术确实都来自美国。老实说，这真的很遗憾。但对我来说，我相当乐观，认为这只是暂时的。人们常谈论技术脱钩，但在我看来，未来终将形成G2双强格局——一方更专注于创新，另一方则更侧重于制造，双方各有所长。以人工智能领域为例，40%的AI从业者是中国人，这或许是因为数学天赋或其他原因，我也不确定。我想霍华德对此应该比我有更多见解。

　　就我目前的工作而言，我们采取了双供应商策略。因为对我们来说，想要博采众长。目前的局势令人遗憾。例如，我们应用了大量的美国技术，但也担心制裁风险导致这些技术无法使用。但坦白讲，我们的核心依然是美国技术。而对于中国技术，我们有两个层面的定位：一是作为替代方案，二是作为应急预案。就个人而言，我希望这场纷争早日结束，让我们能尽享双方之所长。

　　托马斯·菲尔普斯：我补充一下霍华德的观点。某些AI模型的使用存在具体限制。如果你仔细阅读OpenAI、Anthropic、Google Gemini、DeepSeek或阿里巴巴的服务条款，每家公司都有独特的使用条款和具体的限制性要求。部分AI模型不能在特定国家使用，因此必须确保合规——不在受限地区使用OpenAI，而在合适的地区使用阿里巴巴。因此，拥有多AI模型策略对于支持企业业务至关重要，特别是那些跨越国界和不同地理区域的业务。

　　霍华德·米勒：我并不能百分之百确定每所大学都会考虑使用DeepSeek，但我确实知道有些大学正在尝试。我倾向于让自己处于行业前沿——不一定是领头羊，但处于第一梯队，并且一直在为业务寻找最佳解决方案。因此，如果DeepSeek确实是最佳方案，且我能让法务和风控团队确认其符合大学规范，那么就没有理由不使用。

　　伊拉娜·布卢门费尔德：我觉得企业有很多事情需要做，以便应对这个瞬息万变的环境。首先，建立基础管控机制 首先必须建立定义明确的风险标准控制流程，用于评估任何引入企业的技术。核心问题是判断该技术是否属于合规可用范畴——仅基于组织自身的需求标准与指导方针，而非更宏大的议题。与此并重的是提升技术可见性与洞察力，因为影子AI正在组织中急剧泛滥。由于各类技术获取门槛过低，员工可能在不了解风险管理要求与引入流程的情况下擅自使用，因此必须进行有效引导与规范。

　　其次，构建敏捷管理体系 一旦确立获批技术集，组织还需应对领域本身快速变化的现实：新模型层出不穷，新供应商持续推出新功能，现有软件供应商也在频繁更新。因此，技术管理必须具备前所未有的敏捷性。这需要更多资源投入以及技能升级后的团队成员，技术投资周期应从数年缩短为数月。大多数组织的现有架构并不适应这种快速更迭的节奏，必须思考如何演进实践以利用新能力，而非将巨额资金锁定在需五年才能切换的技术上——这在当前环境下已行不通。这是软件与IT基础设施管理面临的新痛点。

　　第四，CIO的决策困境 CIO与各职能部门面临诸多未决问题：技术投资如何管理？资源投向何处？注意力集中于哪些领域？该领域存在大量未经证实的赌注，组织需保持学习心态，不能期望每件事都能产出价值。关键在于明确：愿意在何处冒险？在何处试点？如何试点？战略重点应放在哪里？答案的变化频率可能远超想象。CIO的世界充满重大决策——既要具备企业家的魄力，又要极度负责；既要掌管组织命脉、承担风险，又要保持开放响应，有时甚至需要保守行事，可谓需要兼顾方方面面。

　　托马斯·菲尔普斯：是的，在审视AI应用案例时，我通常身兼两职。作为Laserfiche的首席信息官，我负责通过IT赋能业务、支持业务发展，为员工提供卓越体验，为客户创造优质体验。同时，我也与一位极具创新精神、负责公司软件开发的CTO紧密合作。在做技术决策时，我们既关注价值实现时间和上市时间，同时也审视风险以及我们要赋予客户什么样的能力，这一点对我们的决策至关重要。

　　对我来说，AI应用有两种模式：一种是你拿着AI解决方案试图去寻找问题，大多数供应商和初创公司都采用这种方式。但对我们而言，我们已有明确的问题——每天面临数十个问题，然后试图寻找解决方案，并不断试错。这就是我们设立AI实验室和创新实验室的原因——旨在实现需求与供给的匹配。因此在这个层面上，我们通常从问题出发，识别潜在解决方案，然后再评估风险，而非先谈风险再做其他。

　　中国AI始终遵循一个词，叫做AI普惠化。试想一下，如果你使用TikTok（抖音）——很多人使用它并非因为那些漂亮的鞋子，而是因为你能买到许多创新的小玩意，用于卧室、洗手间和厨房，很多微小的创新产品。再如中国的DeepSeek，最出名的是DeepSeek一体机。你可以买到一个装载了满血版DeepSeek的服务器盒子，安装在自己的场所。在Gartner研讨会上，许多中东CIO提到他们都购买了DeepSeek一体机，这样他们可以自费且安全地进行测试，非常安全。

　　霍华德·米勒：各机构的尝试程度虽不尽相同。我们的差异化策略是推动教职员工成为AI先行者，实际开设了多门完全基于AI的教材课程。例如MBA学生的毕业综合项目，整个教学大纲均基于AI和智能体AI（Agentic AI）设计，课程各环节均设置相应步骤，要求学生必须与AI互动才能完成最终成果。另有课程改革了传统角色扮演模式——过去仅少数学生能上台表演场景，现在则构建智能体让每个学生都能参与互动，完成后可即时获得辅导反馈，这带来了巨大改变，深受学生欢迎。

　　从生产力角度，我们创建了一个可批改论文的智能体，这主要包括财务回报率（ROI）考量。因为助教成本高昂，且为60名学生批改优秀论文平均需数周时间，批改至第60篇时已精疲力竭，无法保持与首篇同等的严谨度。因此AI可在该流程环节介入，提供更详实稳健的定性反馈，同时反馈定量评分，且不将人类完全排除在外。

　　托马斯·菲尔普斯：我想补充一点，UCLA是一个很好的例子，霍华德也分享了一些不错的案例。我是加州州立大学长滩分校基金会的董事会成员，我校拥有超过4万名在校生，其中工程学院有近6000名学生。CSU长滩分校工程学院以太空海滩（Space Beach）闻名，据《美国新闻与世界报道》报道，我们的航空航天项目排名全美第三。在工程学院的毕业设计项目中，AI已成为重点突出和备受关注的组成部分。霍华德和我等人很荣幸能代表另一组织受邀协助评审这些毕业设计。令人赞叹的是，这些大学确实已经转型并采纳AI作为核心课程的一部分，从而使这些项目的毕业生真正具备AI就绪（AI Ready）能力，能够在行业中发挥至关重要的作用。

　　伊拉娜·布卢门费尔德：我可以分享一下我的观点，也很想听听托马斯和霍华德认为哪些内容值得关注。AI显然非常有趣，不仅在于将其作为职能部门进行管理，更在于如何在CIO职能中实现最高效的利用，其能力范围涵盖从安全层面（如对潜在威胁向量的可视化监控与管理）到代码开发等多个方面，应用广度令人瞩目。

　　除此之外，我认为业界对于量子计算未来潜力的讨论兴趣仍在持续增长，尽管这可能是一个较为长远的关注点，但我已观察到围绕该领域展开了大量对话。此外还有区块链类型的应用，及其在注册登记、更优哈希算法以及信息追踪可视化方面所能提供的能力。因此，我认为有一系列广泛的技术将持续受到关注。同时，我很希望听听托马斯、霍华德和蔡阳各位在工作中如何看待这些话题的演变。

　　我们已采用相关工具协助企业级项目群管理。过去，服务商顾问为新计划创建需求需耗费大量精力，如实施订单到现金（Order to Cash）项目时，需建立需求跟踪矩阵（RTM），并开发测试用例以验证设计，再用于用户验收测试（UAT）。现在，将RTM输入AI工具，即可迅速生成大量测试用例，并借助AI赋能工具实现部分测试工作的自动化。

　　此外，市场营销领域也已经被AI颠覆。从内容创作到社交媒体管理，传统方式需雇佣多人，如今AI可生成大量内容并实现变现，或经精心策划后发布至不同平台，这即将成为基本标配。自动化程度之高依然令人惊叹，例如图像编辑能力——在Gartner研讨会的签名售书活动中，我与作者及主题演讲嘉宾合影时背景中有路人，使用三星手机一键即可消除该路人，仅保留我与书作者。在过去，需导入Photoshop，添加滤镜、处理图层，耗时约15分钟，现在不到一分钟即可完成，非常便捷。

　　伊拉娜·布卢门费尔德：另一个值得关注的现象是，AI的广泛关注使其成功所依赖的各项要素也获得前所未有的重视。那些长期位列CIO议程却未曾处于焦点位置的其他要素，如今也引起广泛关注，因其被视为实现这些重大投资价值的前提条件。例如数据转型、数据湖等虽不引人注目但至关重要的底层基础设施组件，其对实现规模化部署及识别AI合适应用场景至关重要。这些要素正日益成为议程的主导内容。

　　蔡阳：我认为AI的终极目的，除了实现自动化和自主化之外，是提升组织的能力。如前所述，医疗行业规模庞大，涉及海量知识及监管要求。因此我们正在大语言模型之上构建疾病模型、临床模型、康复模型等各类模型，这将成为医疗服务机构的核心竞争力。最终，我们希望利用AI改变两种模式：面向外部的服务模式与内部的运营模式。

　　我曾阅读埃里克·托波尔（Eric Topol）教授关于未来数字医疗的著作。托波尔教授在美国享有盛誉，其著作成书于AI普及之前。书中提到，传统的综合医院集中了普通诊所、专科医生、放射科等，占据大块土地，这是因为100年前没有IT技术，信息无法流通，人们必须坐在一起工作。但在未来的医疗模式中，放射诊所可能设在地铁站旁或社区内，患者无需前往大型综合医院在不同病房间奔波寻找解决方案。这将带来医疗模式的巨大变革。与此同时，家中的床将转变为病床，通过物联网、智能设备等实现万物互联。这正是我们医院正在推进的方向，因为如今香港的大多数医院已成为智能医院，我们在香港的所有医院均获得了HIMSS七级认证——这是美国医院IT标准的最高级别，意味着顶级的认可。

　　下一步，智能医院将迈向AI医院，从副驾驶、助手开始，逐步实现自主化。当然，仍需人类签字确认，正如航空业的模式。我曾任航空公司CIO多年，30年前90年代后制造的飞机均已配备自动驾驶系统，但降落时系统不会自动停止，机长仍需手动操作完成降落。因此我认为，跟随其他行业的步伐，医疗行业在未来也将变得高度自主化。

　　在此基础上，我们还构建了大量数据产品。目前我们已支持8所顶尖大学，在过去几年中开展了70多项跨年度研究项目。同样，顶级质量的数据将产生顶级质量的AI。这意味着什么？我认为这将有助于整合中国众多医院。在香港，我们有43家医院使用同一套系统。而在深圳，未来全市126家医院可能组建联盟共同贡献数据，如同银行存款——不存钱则无法取款。他们将共享数据，形成一个基于数据的AI联盟。

　　有趣的是，在AI出现之前，我们一直在努力成为更优的数据驱动决策型组织。当我们开始研究AI影响时，可能略微偏离了该目标，但这正是CIO需要努力调整的方向。CIO角色已转变为更具战略性与创新性，而非仅局限于运营性，我很欢迎这种变化。实际上，我们最为关注的焦点正是那些用于训练AI的数据。若非如此，那便是网络安全——因为我们讨论的关于数据和AI的一切，始终面临威胁。因此，这三者的结合才是我关注的重点。

　　托马斯·菲尔普斯：大多数领先的分析机构都指出，世界上80%至90%的数据是非结构化的，仅约10%至20%为结构化数据。试想一下，海量数据存储在各类内容库中，无论是SharePoint、Box还是Laserfiche。Laserfiche作为内容管理系统，能够挖掘并利用这些数据来实现蔡阳所述的目标，其意义极为重大，这正是AI发挥价值的空间所在。

　　伊拉娜·布卢门费尔德：这项工作本质上是艰苦繁重的苦力活。为解决前述所有问题，必须明确掌握数据资产状况，确保数据得到正确标注与恰当盘点。同时，必须清晰界定围绕数据的访问权限，确保配置得当——不应访问HR信息的人员不能意外获得权限，查询文档时系统不应呈现错误版本的政策文件（例如将六年前发布的版本误作六个月前的版本）。

　　此类索引工作需要投入大量精力，正是那些不引人注目却至关重要的基础工作。尽管AI现已可帮助实现部分能力，且相关部署也已投入使用，但前提是必须拥有良好的信息基础架构、规范的访问机制，以及严密的控制体系，方能从这些系统中获得有价值的洞察。因此，这种管道铺设与底层架构工作对于系统的高效运行具有决定性意义。

　　托马斯·菲尔普斯：伊拉娜提到了非常重要的一点。访问权限是Laserfiche极为关注的核心事项。我们基于用户的权利、获批资格、角色以及文档分类、标签和元数据管理来严格限制其可访问的内容。因此，在审视非结构化数据时，必须全面考量这些方面，以确保当普通用户访问丰富的内容资产时，其仅能获取有权访问的内容。

　　伊拉娜·布卢门费尔德：我对未来的合作非常乐观。我认为两个地区都拥有大量人才，若能找到合作方式，只会产生积极结果。从CIO角度来看，CIO必须具备对进入组织的技术保持敏锐洞察的能力，并且可能需要制定从A到F的一系列备选方案。因为政策可能发生变化，他们需要理解这些变化对所做技术选择意味着什么。但我不认为这会影响人才或两个领域的创新生态系统，它们将继续发展。因此，我依然保持非常乐观的态度。

　　托马斯·菲尔普斯：作为一家企业，我们深知客户分布于不同且受高度监管的行业，服务于特定市场。因此，我们在支持这些国家与地区客户方面展现了高度灵活性。例如，在亚太地区，我们有客户希望专注于阿里巴巴的AI模型；同时也有以美国为中心的客户，非常关注数据弹性并确保数据保留在美国境内。为此，我们不仅具备相应的组织结构，还拥有配套的流程、系统、工具和技术，旨在赋能客户取得成功，无论其身处哪个国家，或其希望数据驻留在何地。